Es gibt eine auffällige Häufung von Todesfällen unter AfD-Kandidaten vor der Kommunal-Wahl in Nordrhein-Westfalen. Wie wahrscheinlich ist es, dass dies ein zufälliges Ereignis ist? Im Video wird eine Abschätzung mittels Poisson-Verteilung vorgenommen und mit einer Monte-Carlo-Simulation überprüft. Infos zu den Todesfällen: https://www.nzz.ch/international/sech ... ►WEITERE INFORMATIONEN VON TEAM RIECK: 1. Statistische Grundkonzepte & Fallstricke Häufungen wirken oft auffälliger, als sie statistisch sind. Zentrales Problem: das Multiple-Testing (Look-Elsewhere-Effekt). Ex post wirkt ein seltenes Ereignis überraschend, ex ante ist die Wahrscheinlichkeit für irgendeine Auffälligkeit viel höher. Beispiel: Ein beliebiges auffälliges Kfz-Kennzeichen zu sehen ist wahrscheinlich, ein exakt vorhergesagtes extrem unwahrscheinlich. Die Poisson-Verteilung ist für seltene Ereignisse in großen Populationen handlicher als die Binomialverteilung. Ein Signifikanzniveau (z. B. 0,34%) zeigt Seltenheit, ist aber kein Beweis für Kausalität. Es rechtfertigt nur weitere Prüfung. 2. Ereignisdefinition & Datenbasis Die Wahrscheinlichkeit hängt stark ab von: Zahl der Fälle (genau k vs. mindestens k). Abgegrenzter Population (nur Partei A oder alle Kandidaten). Zeitfenster (Monat vs. Jahr). Seriöse Schätzungen erfordern Sterbetafeln, die Alters- und Geschlechtsstruktur der Kandidaten und den exakten Zeitraum. Ohne diese bleibt alles spekulativ. 3. Kontext & Vergleiche Eine isolierte Zahl ist bedeutungslos. Notwendig ist: Altersstruktur: Parteien mit älteren Kandidaten haben höhere Grundsterblichkeit. Vergleich zu anderen Parteien: Nur einseitige Häufungen sind auffällig. Historische Daten: Gab es ähnliche Schwankungen früher? Dies kalibriert die Erwartung. 4. Alternative Erklärungen Clustering: Räumliche oder zeitliche Häufungen entstehen zufällig und sind kein Kausalbeweis. Medienecho: Früh mediale Aufmerksamkeit erhöht die Wahrnehmung weiterer Fälle, die sonst unbeachtet geblieben wären. So entsteht ein scheinbarer Trend. 5. Handlungsempfehlungen Aktuar-Gutachten: Erwartete Todesfälle berechnen, mit Demografie und Zeitraum. Forensik: Obduktionen klären natürliche vs. unnatürliche Ursachen. Transparente Schwellenwerte: Klare Kriterien, ab wann Zufall nicht mehr plausibel ist und Ermittlungen nötig sind. 6. Kognitive Verzerrungen Confirmation Bias: Daten werden passend zur eigenen Überzeugung interpretiert. Ankerheuristik: Erste, oft falsche Schätzwerte prägen die Debatte. Gegenmittel: Systematische Gedankenexperimente und kritische Reflexion. #profrieck #afd #wahrscheinlichkeit
